消息称Facebook正自主研发全新机器学习芯片

2021-09-13 18:39 来自:IT之家 收藏 分享 邀请  阅读量:18219   

摘要: 北京时间9月10日早间消息,有消息称,此前谷歌,亚马逊,微软都曾展开招聘和大规模投资,从零开始自主设计电脑芯片,希望降低服务器成本,实现更好的性能该公司正在开发一种机器学习芯片 据消息人士透露,脸书自主研发的另一款芯片...

北京时间9月10日早间消息,有消息称,此前谷歌,亚马逊,微软都曾展开招聘和大规模投资,从零开始自主设计电脑芯片,希望降低服务器成本,实现更好的性能该公司正在开发一种机器学习芯片

据消息人士透露,脸书自主研发的另一款芯片希望通过视频转码优化用户观看录制视频和直播视频的质量如果我们成功开发出成本更低,性能更高的芯片,这也将有助于脸书在未来几年减少数据中心的碳排放,减少对英特尔,高通和博通等传统芯片供应商的依赖

专注于半导体行业的贝恩公司合伙人芦伟Velu Sinha表示,由于开发成本较低,大型科技公司正转向独立开发定制芯片,而不是从英特尔和英伟达等公司购买通用芯片他指出:这个领域的投资只需要几百万美元,而不是几亿美元

过去,脸书还登广告招聘芯片设计师一职,希望开发半定制,全定制的芯片ASIC可是,外界之前并不了解脸书开发全定制芯片的目的一位脸书发言人说,关于我们未来的计划,没有什么新的东西可以分享可是,脸书一直在探索如何通过内部努力,与芯片行业合作伙伴一起提升计算机性能和能效水平

据一位知情人士透露,加入脸书从事芯片开发的工程师最初专注于与外部芯片公司合作,以优化当前的芯片设计例如,脸书在2019年宣布,正在与英特尔,高通,博通等公司合作,开发用于推理和视频转码的半定制ASIC芯片,确保提前满足技术要求,提升性能和能效

目前,脸书正在开发推理和视频转码芯片,但没有外部公司参与这些任务据消息人士透露,在脸书的数据中心,新开发的芯片将与从外部购买的半定制芯片一起使用,而不是完全取代后者

脸书此前曾表示,仅靠通用处理器芯片无法满足其数据中心的需求,而推理和视频转码则是增长最快的服务根据脸书2019年披露的数据,其平台每天要处理200万亿次预测和60亿次语言翻译,为7500万视频观众提供服务

今年早些时候,脸书工程师在其博客中透露,他们正在大力投资半定制ASIC芯片与通用芯片相比,这类芯片在执行一些人工智能任务时,性能可提升高达30倍,能效可大幅优化脸书表示,其半定制的视频转码芯片每天帮助处理上传到平台的近2.5亿个视频完全定制的ASIC芯片甚至可以做得更好,但目前还不清楚脸书能否开发出合适的配套软件,实现量产据消息称,脸书至少有100人正在努力开发这种完全定制的ASIC芯片

脸书和谷歌等公司通常使用专用集成电路而不是通用芯片来执行推理和训练机器学习模型用于训练的芯片实际上是神经网络的老师,处理海量数据,例如数十亿张标记的脸书照片,帮助神经网络学习如何识别人脸神经网络经过训练后,推理芯片会将其应用于新的数据集,以实际完成任务,例如在新照片中自动标记一张脸

虽然NVIDIA等公司提供的通用芯片也可以完成这些任务,但专门为神经网络训练和推理开发的ASIC芯片速度更快,功耗更低,效率更高,可以显著降低数据中心的成本可是,ASIC的缺点是,由于硬件的限制,它不能应用于其他任务

事实上,脸书仍在跟随其他大型科技公司的步伐,在数据中心开发定制芯片谷歌于2013年开始开发数据中心芯片Tensor当时,谷歌意识到用户需求的增长需要其数据中心的处理能力翻倍从2015年开始,谷歌引入Tensor,以满足搜索,街景视频,照片和翻译服务的需求目前,谷歌也在根据通过该项目获得的经验,为智能手机和云计算业务开发定制芯片

亚马逊在2018年宣布为云计算客户开发Graviton芯片今年早些时候,也有报道称亚马逊正在开发一种网络芯片,用作其网络中数据传输的交换机这个项目可能有助于减少亚马逊对博通和其他供应商的依赖去年12月,彭博报道称微软正在为服务器和Surface电脑设计芯片

据熟悉脸书项目的消息人士透露,脸书仍在为Oculus虚拟现实头显等个人计算设备设计芯片据报道,脸书已经招募了前谷歌芯片设计团队负责人沙利亚尔Shahriar Rabii负责增强现实和虚拟现实领域的芯片开发今年早些时候,以色列媒体报道称,脸书计划在以色列建立一个芯片设计中心

中国商业网资讯门户;更多内容请关注中国商业网各频道、栏目资讯免责声明:凡本站注明 “来自:(非中国商业网)”的新闻稿件和图片作品,系本站转载自其它媒体,转载目的在于信息传递,并不代表本站赞同其观点和对其真实性负责
鲜花
鲜花
握手
握手
雷人
雷人
路过
路过
鸡蛋
鸡蛋
这个人很懒,什么也没留下...
粉丝 阅读53185 回复0
ads2

Powered by 中国商业网 Licensed © 2001-

, Processed in 1.132592 second(s), 12 queries

01 02 03 04 05